Prépublication JMIR : la mémoire récursive fait passer le F1 du codage clinique zéro-shot de 0.318 à 0.605 après 20 itérations.
Cette étude méthodologique évalue une architecture d’apprentissage récursif pour le codage clinique automatisé sans exemples propres à la tâche. Le résultat clé est une progression du F1 de 0.318 au départ à 0.527 avec mémoire récursive, puis à 0.605 après 20 itérations.
Le travail est actuellement une prépublication en cours d’évaluation par une revue ; la fiche le distingue donc des publications relues par les pairs tout en renvoyant au manuscrit source.
Les chiffres clés de l’article, en langage simple.
Les performances du modèle
Plus haut, c’est mieux
Données: Contre 0.318 au départ, après 20 itérations — JMIR Preprints
Les scores sur une échelle de 0 à 1 (AUC, kappa) sont tracés ×100.
| Indicateur | Valeur | Ce que cela signifie |
|---|---|---|
| F1 · codage clinique zero-shot | 0.605 | Contre 0.318 au départ, après 20 itérations |
| F1 avec mémoire récursive | 0.527 |
Natalia Castaño-Villegas, Raúl Escandón, Katherine Monsalve, Jose Zea, Laura Velásquez. A Recursive Learning Architecture for Zero-Shot Automated Clinical Coding, a methodological study. JMIR Preprints. 2026. https://preprints.jmir.org/preprint/98279
@article{castanovillegas2026recursive,
title = {{A Recursive Learning Architecture for Zero-Shot Automated Clinical Coding, a methodological study}},
author = {Natalia Castaño-Villegas and Raúl Escandón and Katherine Monsalve and Jose Zea and Laura Velásquez},
journal = {JMIR Preprints},
year = {2026},
url = {https://preprints.jmir.org/preprint/98279},
note = {Preprint}
}
1 min de lecture
1 min de lecture
1 min de lecture
Pour les hôpitaux et les assureurs
Nous testons le modèle sur vos propres dossiers cliniques avec votre équipe, selon vos règles de confidentialité et de gouvernance.
Lancer une collaboration